Метод, модели и технические средства для неинвазивного анализа биоматериалов на основе многочастотной импедансометрии и нейросетевого моделирования

Актуальность работы. В настоящее время растет показатель смертности и инвалидизации от инфекционных и онкологических заболеваний. Современные методы ранней и донозологической диагностики этих заболеваний основаны на лабораторных исследованиях биоматериалов. Это достаточно длительный процесс, который требует инвазивного вмешательства в жизнедеятельность организма, что не безопасно и может привести к распространению инфекций. Повышение оперативности анализа и его безопасность обеспечивают неинвазивные методы анализа, которые осуществляются либо оптическими методами черезкожно, либо путем исследования электрических свойств биопроб.

На рынке медицинских услуг имеются приборы, осуществляющие неинвазивный анализ биоматериала, работа которых основана на фотометрических методах. В то же время известно, что электрические методы, в частности многочастотный импедансный анализ, позволяют более надежно селектировать компоненты составляющих биоматериалов, в частности, биожидкостей. Однако приборы такого класса на рынке медицинской техники отсутствуют, что связано со сложностью селекции параметров электрических сигналов, модулируемых биохимическими свойствами биоматериала, и сложностью построения интеллектуальных систем поддержки диагностических решений на основе многочастотного импедансного анализа.

Преодолеть эти трудности можно на основе использования современных интеллектуальных технологий, базирующихся на нейросетевом моделировании, в рамках которых агрегируются решающие правила, полученные по различным моделям многочастотного импеданса, что позволяет повысить качество диагностики выбранного класса заболеваний (в интеллектуальных системах медицинского назначения качество диагностики традиционно оценивается диагностической чувствительностью, специфичностью, эффективностью и прогностической значимостью).

Таким образом, научно-технической задачей исследования является повышение качества диагностики инфекционных заболеваний в интеллектуальных системах медицинского назначения.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 20 092 013 годы (государственный контракт № П424 от 12 мая 2010 г.) по проблеме «Гибридные информационные технологии для ранней диагностики инфекционных и онкологических заболеваний на основе многочастотной импедансометрии биоматериалов» и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка метода, моделей и технических средств для интеллектуальной поддержки классификации биоматериалов на основе i многочастотного мониторинга биоимпеданса и нейросетевого моделирования.

Для достижения поставленной цели необходимо решить следующие задачи:

— проанализировать существующие методы неинвазивного анализа биоматериалов, выявить их достоинства и недостатки;

— разработать метод формирования моделей базовой и динамической составляющих импеданса для нейросетевых решающих модулей анализа биоматериалов в экспериментах in vivoразработать структурно-архитектурные решения для интеллектуальной системы обработки данных многочастотного анализа биоимпеданса, предназначенные для поддержки принятия решений по классификации биоматериалов в экспериментах in vivo в реальном времениразработать устройство для многочастотного измерения биоимпедансапровести апробацию предложенных методов и средств классификации биоматериалов на репрезентативных контрольных выборках.

Объект исследования. Биоматериалы в экспериментах in vivo.

Предмет исследования. Измерительно-диагностическая система для неинвазивного анализа биоматериалов на основе многочастотной импедансометрии и нейросетевого моделирования.

Методы исследований. Для решения поставленных задач использовались методы теории линейных электрических цепей, методы математического моделирования, методы принятия решений, методы адаптивной идентификации линейных систем, численные методы, методы статистики многомерных данных, нейросетевые методы. При разработке нейросетевого модуля принятия решений в качестве инструментария использовался Matlab 8.0 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной: способ формирования непараметрической модели базовой и динамической составляющих импеданса биоматериала, заключающийся в выборе континуума пар частот, определении импеданса на этих частотах, моделировании импеданса многоэлементным пассивным RC-двухполюсником с последующим решением системы двух нелинейных уравнений для каждой пары частот из заданного континуума, позволяющий получить тетраду информативных признаков для каждой пары частот из заданного континуумаспособ формирования параметрической модели импеданса биоматериала, заключающийся в моделировании биоматериала трехэлементным пассивным RC-двухполюсником, параметры которого определяются на основе регрессионной модели общего вида, позволяющей учитывать диссипативные свойства графика Коула и получить триады информативных признаков для нейросетевого классификатора биоматериаласпособ формирования рекурсивной модели динамической составляющей импеданса биоматериала, заключающейся в измерении динамической составляющей биоматериала на каждой из т выбранных частот зондирующего тока на временном интервале Т и последующем формировании рекурсивной модели полученного временного ряда путем его аппроксимации заданным множеством известных функций с вычисляемыми параметрами, позволяющий получить нейросетевую модель для классификации биоматериала по каждому из подпространств, определяемых для каждой из множества аппроксимирующих функций, с последующей агрегацией решений на основе формирования обучающих выборок с т кластерами, формируемыми для каждой из частот зондирующего токаструктура гибридной нейронной сети, предназначенная для, классификации временных рядов, описывающих случайные процессы с управляемыми параметрами, отличающаяся параллельным включением нейронных сетей прямого распространения, настроенных на классификацию рекурсивных составляющих временных рядов, и последовательно включенной радиально-базисной нейронной сети, число локальных центров которой равно числу фиксированных значений управляемого параметра, в качестве которого используется частота зондирующего тока, позволяющая классифицировать биоматериалы по динамической составляющей миогочастотного импедансаустройство для многочастотного измерения биоимпеданса, выполненное на базе микроконтроллера, отличающееся тем, что в него введен компенсатор, включающий два цифроаналоговых преобразователя, суммирующий усилитель и блок вычитания, позволяющее контролировать базовые и динамические составляющие импеданса биоматериалов на заданном множестве частот в реальном времени в экспериментах in vivo.

Практическая значимость и результаты внедрения. Разработанные метод, способы и алгоритмы составили основу системы поддержки принятия решений по прогнозированию инфекционных заболеваний.

Применение предложенного в диссертации метода и средств анализа биоматериалов позволяет использовать неинвазивные методы в программах скрининговой диагностики инфекционных заболеваний.

Результаты работ внедрены в учебном процессе Юго-Западного государственного университета при подготовке специалистов 200 401 -«Биотехнические и медицинские аппараты и системы» и прошли апробацию в отделении терапии МУЗ «Октябрьская ЦРБ» (Курская область, Прямицино, ул. Октябрьская, 185).

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: XI, XII, XIII Международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2008, 2009, 2010) — на Международных молодежных конференциях «Биотехнические, медицинские и экологические системы и комплексы» (Рязань 2009, 2010) — на конференции «Инновационные технологии управления здоровьем и долголетием человека» (Санкт-Петербург. 2010) — XVII Международной конференции Лазерно-информационные технологии в медицине, биологии и геоэкологии (Новороссийск 2010) — IX Международной научно-технической конференции «Физика и радиоэлектроника в медицине и экологии (Владимир-Суздаль 2010) — II Международной научно-технической конференции «Информационно-измерительные, диагностические и управляющие системы» (Курск 2011) — III Международной научно-практической конференция «Актуальные проблемы экологии и охраны труда» (Курск 2011) — III Международной молодежной научной конференции.

Молодежь и XXI век" (Курск 2011), на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск, 2008, 2009, 2010, 2011).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 14 печатных работ, в том числе три работы в журналах, рекомендованных ВАК РФ.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1], [6−7], [10] и [12] автором предложены и исследованы способы многочастотного моделирования биоимпеданса для неинвазивных исследований, в [2−3], [5] и [11] автором предложены нейросетевые модели для классификации биоматериалов по результатам анализа многочастотного импедансав [4] и [8] соискатель предложил устройство для многочастотной биоимпедансометрии, в [9] соискатель провел экспериментальные исследования по диагностики инфекционных заболеваний по результатам многочастных импедансных исследований биоматериалов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 131 источник. Работа изложена на 137 страницах машинописного текста, содержит 53 рисунка и 24 таблицы.

4.4. Выводы четвертой главы.

1. Разработан многочастотный измеритель биоимпеданса содержащий последовательно соединенные измерительные электроды, компенсатор, блок детекторов, блок выделения пульсовой волны, блок АЦП, микроконтроллер, второй и третий выходы которого подключены ко второму и третьему входам компенсатора, парафазный генератор, выходы которого подключены, соответственно, к четвертому и пятому входам компенсатора и второму и третьему входу детектора, стабилизатор тока и токовые электроды, а так же последовательно соединенные ПЭВМ и блок связи с ПЭВМ, подключенный к пятому выходу микроконтроллера, отличающийся тем, что компенсатор содержит два цифро-аналоговых преобразователя, на опорные входы которых подаются квадратурные составляющие с выходов парофазного генератора, а на цифровые сигнальные входы — управляющие коды с соответствующих выходов микроконтроллера, суммирующий усилитель, входы которого соединены с соответствующими выходами цифро-аналоговых преобразователей, и блок вычитания, входы которого соединены, соответственно с выходом суммирующего усилителя и выходами измерительных электродов, а парофазный генератор выполнен в виде двух генераторов с программируемой амплитудой, частотой и фазой, синхронизируемых и управляемых от микроконтроллера, позволяющий контролировать базовые и динамические составляющие импеданса биоматериалов на заданном множестве частот в реальном времени в экспериментах in vivo.

2. Выполнены экспериментальные исследования по диагностике инфекционных заболеваний на основе дискриминантного анализа результатов биохимических исследований и рассчитаны показатели эффективности диагностики. При диагностике с использованием дискриминантного анализа результатов биохимических исследований диагностическая эффективность составила 68%.

3. Выполнены экспериментальные исследования по диагностике инфекционных заболеваний на основе нейро-сетевого анализа результатов биохимических исследований и рассчитаны показатели эффективности диагностики. При использовании для анализа результатов биохимических исследований многослойных нейронных сетей прямого распространения 82%.

4. На основе обучения разработанных решающих модулей, проведенного по результатам многочастотного исследования импеданса у 329 человек, включающих 299 человек, обследовавшихся по поводу вирусного гепатита, диагностическая эффективность прогнозирования инфекционных заболеваний составила 91%, что значительно выше показателей рассмотренных выше методов. Это позволило сделать вывод о том, что использование системы интеллектуальной поддержки классификации биоматериалов, включающей разработанные методы и средства многочастотного анализа биоматериалов, является целесообразным для диагностики инфекционных заболеваний.

ЗАКЛЮЧЕНИЕ

.

В результате проведенных исследований разработаны метод и средства неинвазивной классификации биоматериалов на основе многочастотной биоимпедансометрии и нейросетевого моделирования.

В диссертационной работе получены следующие основные результаты.

1. Показано, что для реализации интеллектуальных систем классификации биоматериалов целесообразно использовать многочастотный биоимпедансный анализ и решающие правила, реализованные посредством гибридных нейронных сетей.

2. Разработан метод формирования моделей базовой и динамической составляющих биоимпеданса, предназначенный для нейросетевого анализа биоматериалов в экспериментах in vivo, основанный на трехкомпонентной модели импеданса биоматериала, включающий: способ формирования непараметрической модели базовой и динамической составляющих импеданса биоткани, заключающийся в выборе континуума пар частот, определении импеданса на этих частотах, моделировании импеданса многоэлементным пассивным RC-двухполюсником с последующим решением системы двух нелинейных уравнений для каждой пары частот из заданного континуума, позволяющий получить тетраду информативных признаков для каждой пары частот из заданного континуума и компенсировать диссипативные свойства графика Коуласпособ формирования параметрической модели импеданса биоткани, заключающийся в моделировании биоматериала трехэлементным пассивным RC-двухполюсником, параметры которого определяются на основе регрессионной модели общего вида, позволяющей учитывать диссипативные свойства графика Коула за счет выбора соответствующего множества частотных поддиапазонов, внутри которых строятся параметрические модели импеданса биоматериала, и получить триады информативных признаков для нейросетевого классификатора биоматериаласпособ формирования рекурсивной модели динамической составляющей импеданса биоматериала, заключающийся в измерении динамической составляющей биоматериала на каждой из т выбранных частот зондирующего тока на временном интервале Т и последующем формировании рекурсивной модели полученного временного ряда, и последовательной аппроксимации полученного временного ряда заданным множеством известных функций с вычисляемыми параметрами, позволяющий получить нейросетевую модель для классификации биоматериала по каждому из подпространств, определяемых для каждой из множества аппроксимирующих функций, с последующей агрегацией решений на основе формирования обучающих выборок с m кластерами, формируемыми для каждой из частот зондирующего тока.

3. Разработаны структурно-архитектурные решения для интеллектуальной системы обработки данных многочастотного анализа биоимпеданса, включающие: алгоритм принятия решений по классификации биоматериалов, основанный на последовательно-параллельном анализе параметрической, непараметрической и рекурсивной моделях многочастотного импеданса биоматериала, позволяющий реализовать классификацию биоматериалов в экспериментах in vivoструктуру гибридной нейронной сети, содержащую параллельно включенные нейронные сети прямого распространения, настроенные на классификацию рекурсивных составляющих временных рядов, и последовательно включенную РБНС, предназначенную для агрегации частных решений нейронных сетей, позволяющую классифицировать биоматериалы по динамической составляющей многочастотного импедансаструктуру модуля принятия решений по данным многочастотного анализа биоимпеданса, включающую три автономных модели биоимпеданса с соответствующими нейросетевыми анализаторами, блок агрегации решений, основанный на нечеткой логике принятия решений, блок оценки надежности решений и устройство многочастотной биоимпедансометрии, позволяющую классифицировать биоматериалы в экспериментах in vivo в реальном времени.

4. Разработано устройство для многочастотной биоимпедансометрии с блоком управления, выполненным на микроконтроллере, включающее блок компенсатора, содержащий два цифроаналоговых преобразователя, суммирующий усилитель и блок вычитания, позволяющее контролировать базовые и динамические составляющие импеданса биоматериалов на заданном множестве частот в реальном времени в экспериментах in vivo (заявка на патент № 2 009 143 290, Российская Федерация, МПК7 А61 В 5/05. Заявл. 23.11.2009).

5. Проведена апробация предложенных методов и средств классификации биоматериалов на примере диагностики инфекционных заболеваний, которая показала, что предлагаемые технологии диагностики превосходят по диагностической эффективности технологии, использующие известные методы: дискриминантный анализ и нейросетевое моделирование, на 8.20%. Это позволило сделать вывод о том, что использование системы интеллектуальной поддержки классификации биоматериалов, включающей разработанные методы и средства многочастотного анализа биоматериалов, является целесообразным для диагностики инфекционных заболеваний.